基于网格点密度估计的聚类算法研究

目录

声明

第一章 绪论

1. 1 研究背景介绍

1. 2 研究现状

1. 3 课题的研究内容和解决方案

1. 4 本文组织

第二章 聚类分析算法的种类

2. 1 划分聚类算法

2.1.1 K-MEANS聚类算法

2.1.2 K-MEDOIDS聚类算法

2.1.3 Affinity Propagation聚类算法

2.1.4划分聚类算法的优劣

2. 2 层次聚类算法

2.2.1 BIRCH聚类算法

2.2.2 CURE聚类算法

2.2.3 CHAMELEON聚类算法

2.2.4 层次聚类算法的优劣

2. 3 基于密度的聚类算法

2.3.1 DBSCAN聚类算法

2.3.2 OPTICS聚类算法

2.3.3 DENCLUE聚类算法

2.3.4 基于密度聚类算法的优劣

2. 4 基于网格的聚类算法

2.4.1 STING聚类算法

2.4.2 CLIQUE聚类算法

2.4.3 基于网格聚类算法的优劣

第三章 基于网格聚类算法的改进与设计

3. 1聚类算法网格的划分

3. 2网格中的数据分布密度的估计

3. 3基于广度优先搜索算法的聚类过程

3. 4算法的详细流程

3.4.1划分网格和计算密度

3.4.2广度优先搜索进行聚类

3.4.3初始数据点赋予标签

3. 5聚类算法结果的评价

3.5.1聚类评价中的一些术语

3.5.2运用混淆矩阵计算评价指标的过程

第四章 实验过程和结果

4. 1实验数据集

4. 2算法聚类结果的评价指标

4. 3算法聚类结果的比较

第五章 结论与展望

5. 1主要结论

5. 2未来工作展望

参考文献

硕士期间的研究成果

致谢